java 泰勒级数_鸡群优化算法(CSO)、蜻蜓算法(DA)、乌鸦搜索算法(CSA)、泰勒级数(Taylor series)...

一、鸡群优化算法(Chicken Swarm Optimization, CSO)

CSO算法是由Meng等于2014年10月在第五次国际群体智能会议(ICSI)上提出的一种新的仿生算法，CSO算法模拟了鸡群的层次结构和鸡群觅食行为，包括公鸡、母鸡和小鸡，可以有效地提取鸡群的智能来优化问题。CSO算法能够简单、快速地解决科学研究领域中的各类数值计算问题，具有收敛速度快和收敛效率高的优点。

(一)首先理想化鸡的行为：

1、在鸡群中，有几个群体。每组由一只占主导地位的公鸡、几只母鸡和小鸡组成。

2、如何将鸡群分成几组，并确定鸡(公鸡、母鸡和小鸡)的身份，都取决于鸡本身的适应值。几个适应值最好的鸡将被当作公鸡，每只公鸡都是一组中的领头公鸡。几个适应值最差的鸡将被指定为雏鸡。其他的应该是母鸡。母鸡随机选择住在哪一组。母鸡和小鸡之间的母子关系也是随机建立的。

3、群体内部的等级秩序、支配关系和母子关系保持不变。这些状态每隔几(G)个时间步长才更新一次。

4、鸡跟着它们的同伴公鸡去寻找食物，而它们可能阻止公鸡吃自己的食物。假设鸡会随意偷别人已经找到的好食物。小鸡在妈妈(母鸡)周围寻找食物。优势个体在食物竞争中占优势。

5、假设RN、HN、CN和MN分别表示公鸡、母鸡、雏鸡和母鸡的数量。最好的RN鸡将被认为是公鸡，而最差的CN鸡将被认为是雏鸡。其余的被当作母鸡对待。由它们在时间步长 t 的位置xi,jt (i∈[1,...,N]，j∈[1,...,D])描述的所有N只虚拟鸡在D维空间中搜索食物。在这项工作中，最优化问题是最小问题。因此，最好的RN鸡对应于RN适合度最小的鸡。

(二)鸡的行为

1、公鸡：适合值较高的公鸡比适合值较差的公鸡优先获得食物。为了简单起见，这种情况可以用适应值较好的公鸡比适应值较差的公鸡在更广泛的地方寻找食物的